Inteligencia artificial intuitiva contra el cáncer

En un intento por mejorar la investigación y los tratamientos contra el cáncer, científicos han creado una nueva clase de algoritmos con los que se puede generar un tipo de inteligencia artificial intuitivo, en el sentido de que en vez de limitarse a trabajar con datos como hacen los sistemas de inteligencia artificial tradicionales, también puede trabajar con hipótesis, aumentando así las probabilidades de hallar atajos hacia la resolución de problemas médicos.

Este avance es obra de un equipo encabezado por Zilin Xianyu, del CMS (College of Medicine and Science) de la Clínica Mayo en Estados Unidos.

Esta clase emergente de inteligencia artificial ofrece una forma innovadora de utilizar enormes conjuntos de datos para ayudar a descubrir las complejas causas de enfermedades como el cáncer y mejorar sus estrategias de tratamiento.

“Esto fomenta una nueva era en el diseño de algoritmos de inteligencia artificial dirigidos e informados para resolver problemas científicos, comprender mejor las enfermedades y guiar la medicina individualizada“, afirma Hu Li, especialista en biología de sistemas e inteligencia artificial en el Departamento de Farmacología Molecular y Terapéutica Experimental de la Clínica Mayo y miembro del equipo de investigación.

“Esto tiene el potencial de descubrir la información que la inteligencia artificial convencional pasa por alto.”

La inteligencia artificial convencional se utiliza principalmente en tareas de clasificación y reconocimiento, como en el reconocimiento facial y en la clasificación por imágenes en el diagnóstico clínico, y se ha aplicado cada vez más a tareas generadoras como, por ejemplo, en la creación de textos similares a los creados por un humano.

Los investigadores observaron que los algoritmos de aprendizaje convencionales a menudo no incorporan el conocimiento científico o las hipótesis existentes.

En cambio, estos algoritmos dependen en gran medida de grandes conjuntos de datos imparciales que, a su vez, pueden ser difíciles de obtener.

Según el Dr. Li, esta limitación restringe considerablemente la flexibilidad de los métodos de inteligencia artificial y sus usos en áreas que requieren descubrimiento de conocimiento, como la medicina.

La inteligencia artificial es una herramienta valiosa para identificar patrones en conjuntos de datos grandes y complejos, como los empleados en la investigación del cáncer.

El desafío principal en la utilización de la inteligencia artificial convencional ha sido maximizar la información incorporada en estos conjuntos de datos.

Con esta inteligencia artificial capaz de trabajar con hipótesis, los investigadores buscan encontrar formas de incorporar la comprensión de una enfermedad, por ejemplo, integrando variantes genéticas patógenas conocidas e integrando interacciones entre ciertos genes en el cáncer en el diseño del algoritmo de aprendizaje.

Esto permitirá a los investigadores determinar qué componentes contribuyen al rendimiento del modelo y, en consecuencia, a la mejora de la interpretabilidad.

Además, esta estrategia puede resolver problemas relacionados con los conjuntos de datos y promover un enfoque clarificador en cuestiones científicas poco claras.

“Esta nueva clase de inteligencia artificial abre una nueva vía para una mejor comprensión de las interacciones entre el cáncer y el sistema inmunológico y es muy prometedora no solo para poner a prueba hipótesis médicas, sino también para predecir y explicar cómo responderán los pacientes a las inmunoterapias“, explica Daniel Billadeau, profesor del Departamento de Inmunología de la Clínica Mayo.

El equipo de investigación asegura que una inteligencia artificial que trabaje con hipótesis se puede utilizar en todo tipo de aplicaciones de investigación del cáncer, incluida la clasificación de tumores, la estratificación de pacientes, el descubrimiento de genes del cáncer, la predicción de la respuesta a los medicamentos y la organización espacial del tumor.

El Dr. Li señala que la desventaja de esta herramienta es que la creación de este tipo de algoritmos requiere experiencia y conocimiento especializado, lo que puede limitar su amplia accesibilidad.

También hay potencial para la construcción de sesgos.

Li y sus colegas advierten de que los investigadores deben tener esto en cuenta cuando se sirvan de sistemas de inteligencia artificial de este tipo.

Debido a que esta clase de inteligencia artificial que trabaja con hipótesis aún se encuentra en su fase inicial, todavía quedan preguntas pendientes de responder, como la mejor manera de integrar el conocimiento y la información biológica para minimizar los sesgos y mejorar la interpretación.

Fuente: Cancers